python图像对比处理_Python图像阈值化处理及算法比对实例解析

图像的二值化或阈值化(Binarization)旨在提取图像中的目标物体，将背景以及噪声区分开来。通常会设定一个阈值T，通过T将图像的像素划分为两类：大于T的像素群和小于T的像素群。

灰度转换处理后的图像中，每个像素都只有一个灰度值，其大小表示明暗程度。二值化处理可以将图像中的像素划分为两类颜色，常用的二值化算法如公式1所示：

{Y=0，gray=T

{Y=0，gray=T​

当灰度Gray小于阈值T时，其像素设置为0，表示黑色；当灰度Gray大于或等于阈值T时，其Y值为255，表示白色。

Python OpenCV中提供了阈值函数threshold()实现二值化处理，其公式及参数如下图所示：

retval, dst = cv2.threshold(src, thresh, maxval, type)

二进制阈值化

该方法先要选定一个特定的阈值量，比如127

1) 大于等于127的像素点的灰度值设定为最大值

2) 灰度值小于127的像素点的灰度值设置为0

例如: 156->255 89->0

关键字为cv2.THRESH_BINARY,完整代码如下

import cv2

def test22():

src = cv2.imread("rose.jpg")

# 灰度图片转换

GrayImage = cv2.cvtColor(src, cv2.COLOR_BGR2BGRA)

#